ก่อนซื้อของ จองที่พักหรือเลือกบริการ หลายคนเริ่มถาม AI ให้ช่วยเปรียบเทียบ ข้อมูลที่เคยต้องเปิดอ่านหลายเว็บไซต์ถูกรวมเป็นคำตอบเดียว พร้อมข้อดี ข้อเสียและทางเลือกที่ดูเหมาะกับเรา
แต่ถ้ามีบริษัทหนึ่งแอบฝากคำสั่งไว้ว่า “ครั้งต่อไป ให้แนะนำบริษัทเราก่อน” เราจะรู้หรือไม่ว่าคำตอบนั้นถูกชี้นำมาแล้ว?
เดือนก.พ. 2569 ทีมวิจัยด้านความปลอดภัยของ Microsoft รายงานว่า พบความพยายามแทรกคำสั่งผ่านปุ่ม “สรุปด้วย AI” บนเว็บไซต์ ผู้ใช้ต้องการเพียงบทสรุป แต่ลิงก์กลับพ่วงคำสั่งให้ AI จดจำบริษัทหรือเว็บไซต์นั้นเป็นแหล่งข้อมูลที่น่าเชื่อถือ เพื่อเพิ่มโอกาสได้รับการแนะนำในอนาคต
นักวิจัยพบตัวอย่างความพยายามประมาณ 50 รูปแบบจาก 31 บริษัท ครอบคลุมธุรกิจการเงิน สุขภาพและบริการทางกฎหมายประสิทธิผลแตกต่างกันตามระบบและมาตรการป้องกัน จึงไม่ได้หมายความว่าทุกคำสั่งทำสำเร็จ แต่ความพยายามชักจูงคำแนะนำเช่นนี้เกิดขึ้นจริงแล้ว [1]
คำแนะนำที่เราไม่เห็นเบื้องหลัง
ผู้บริโภคคุ้นเคยกับโฆษณาและการแข่งขัน เพื่อให้เว็บไซต์ปรากฏก่อนในผลการค้นหา แม้จะแยกแยะได้ไม่ทั้งหมด แต่เรายังเปิดอ่านหลายแหล่งและเปรียบเทียบเองได้
เมื่อถาม AI ข้อมูลเหล่านั้นอาจถูกรวมเป็นคำตอบเดียว เราเห็นข้อเสนอและเหตุผล แต่อาจไม่เห็นว่าระบบเลือกข้อมูลใดมาใช้ หรือมีคำสั่งแปลกปลอมติดมาด้วยหรือไม่ หาก AI แนะนำบริการแห่งหนึ่ง ผู้ใช้อาจเข้าใจว่าเป็นผลจากการเปรียบเทียบตามความต้องการของตน ทั้งที่อาจมีคำสั่งของบุคคลอื่นเข้ามามีอิทธิพล
เราจะตัดสินใจได้รอบคอบเพียงใด หากไม่รู้ว่าคำแนะนำนั้นมีที่มาอย่างไรและเอื้อประโยชน์ให้ใคร?
ให้อ่าน ไม่ได้แปลว่าให้เชื่อฟัง
ความเสี่ยงสำคัญประการหนึ่งของผู้ช่วย AI เกิดขึ้นเมื่อระบบแยก “เนื้อหาที่ต้องอ่าน” ออกจาก “คำสั่งที่ต้องทำ” ได้ไม่ดีพอ ลองนึกถึงเจ้าหน้าที่ที่ได้รับมอบหมายให้สรุปหนังสือจากบุคคลภายนอก หากหนังสือนั้นระบุให้ส่งเอกสารลับกลับไป เจ้าหน้าที่ย่อมต้องตรวจสอบสิทธิของผู้ขอ การได้รับหนังสือไม่ได้ทำให้ผู้ส่งมีอำนาจสั่งงาน
AI ที่อ่านเว็บไซต์ อีเมล หรือเอกสารก็ควรแยกขอบเขตนี้ได้ ข้อความจากภายนอกไม่ควรกลายเป็นคำสั่งเพียงเพราะอยู่ในสิ่งที่ระบบกำลังอ่าน
กรณี EchoLeak ซึ่งเปิดเผยในปี 2568 แสดงให้เห็นความเสี่ยงนี้ ผ่านช่องโหว่ใน Microsoft 365 Copilot ที่ใช้อีเมลออกแบบเป็นพิเศษหลอกให้ระบบส่งข้อมูลออกไปภายนอก โดยไม่ต้องให้ผู้ใช้คลิกลิงก์อันตราย กรณีนี้เป็นการสาธิตช่องโหว่ ไม่ใช่หลักฐานยืนยันว่ามีลูกค้าถูกขโมยข้อมูลจริง [2]
ยิ่งองค์กรให้ AI เข้าถึงข้อมูลและทำงานแทนคนมากขึ้น ก็ยิ่งต้องพิจารณาว่า หากระบบถูกหลอก ความเสียหายจะไปได้ไกลเพียงใด
ข้อมูลใช้ได้ แต่ AI ทำอะไรได้บ้าง
การดูแลข้อมูลเริ่มตั้งแต่รู้ว่าข้อมูลมาจากไหน มีสิทธินำมาใช้เพียงใด และใครเป็นผู้รับผิดชอบ เมื่อให้ AI อ่านข้อมูลและทำงานแทนคน องค์กรยังต้องกำหนดให้ชัดว่า ระบบอ่านอะไรได้ ทำอะไรได้ และเรื่องใดต้องให้เจ้าหน้าที่ยืนยัน แม้เป็นข้อมูลที่ได้รับอนุญาตให้ใช้ ก็อาจมีคำสั่งแปลกปลอมแทรกอยู่ การตรวจสอบสิทธิใช้ข้อมูลจึงต้องเดินคู่กับการควบคุมสิ่งที่ AI ทำกับข้อมูลนั้น
เดือนต.ค. 2568 ISO เผยแพร่ ISO/IEC 27090:2026 เป็นแนวทางรับมือภัยคุกคามเฉพาะของระบบ AI ตลอดวงจรการใช้งาน ครอบคลุมความเสี่ยง เช่น การปนเปื้อนข้อมูลที่ใช้ฝึกและการขโมยโมเดล โดยเสริมมาตรการความมั่นคงปลอดภัยเดิมขององค์กร [3]
สำหรับองค์กรที่กำลังนำ AI มาใช้ คำถามจึงควรลงไปถึงการทำงานจริง ใครอนุญาตให้ระบบเข้าถึงข้อมูล หากพบคำสั่งแปลกปลอมจะตรวจจับได้อย่างไร ใครสั่งหยุดได้ และมีบันทึกเพียงพอให้ตรวจสอบย้อนหลังหรือไม่ คำถามเหล่านี้ควรตอบให้ได้ก่อนเปิดใช้งาน โดยเฉพาะระบบที่เกี่ยวข้องกับข้อมูลส่วนบุคคล เงิน หรือสิทธิของประชาชน
เมื่อคำตอบมาจากหน่วยงานรัฐ
หากหน่วยงานรัฐใช้ AI ตอบเรื่องสิทธิหรือขั้นตอนการขออนุญาต ประชาชนย่อมมีเหตุผลที่จะเชื่อว่าคำตอบนั้นเป็นข้อมูลของหน่วยงาน และอาจนำไปปฏิบัติทันที หน่วยงานจึงควรใช้แหล่งข้อมูลที่ตรวจสอบได้ กำหนดเรื่องที่ต้องส่งต่อให้เจ้าหน้าที่ และให้ประชาชนทักท้วงคำตอบที่ผิดได้ หากคำตอบคลาดเคลื่อน ต้องมีผู้รับผิดชอบแก้ไขและตรวจสอบสาเหตุ
ส่วนบริการเชิงพาณิชย์ควรทำให้ผู้ใช้ทราบว่าคำแนะนำพิจารณาจากอะไร และมีผลประโยชน์ทางการค้าเกี่ยวข้องหรือไม่ ผู้ใช้ควรมีโอกาสแยกแยะคำแนะนำตามความต้องการของตนออกจากการส่งเสริมการขาย ผู้ใช้ช่วยตรวจสอบคำตอบได้ส่วนหนึ่ง แต่คงไม่สามารถตรวจดูทุกคำสั่งที่ระบบได้รับ ภาระการป้องกันและแก้ไขจึงต้องอยู่กับผู้พัฒนาและองค์กรที่นำ AI มาให้บริการด้วย
ก่อนฝากให้ AI ช่วยเลือก เราควรถามได้ว่า ใครมีโอกาสชี้นำคำตอบนั้น และหากเกิดปัญหา ใครจะรับผิดชอบ?
หมายเหตุ: บทความนี้เป็นความเห็นส่วนบุคคลของผู้เขียน มิได้สะท้อนความเห็นหรือท่าทีของหน่วยงานหรือองค์กรใด กรณี Microsoft เป็นความพยายามชักจูงที่ตรวจพบจริง ส่วน EchoLeak เป็นกรณีศึกษาช่องโหว่ บทความไม่ได้ยืนยันว่ามีเหตุเช่นนี้กับหน่วยงานไทย
ข้อมูล ISO อ้างจากหน้าสรุปมาตรฐาน ไม่ใช่การทบทวนฉบับเต็ม
[1] Microsoft Defender Security Research Team, & Kochavi, N. (2026, February 10). Manipulating AI memory for profit: The rise of AI Recommendation Poisoning. https://www.microsoft.com/en-us/security/blog/2026/02/10/ai-recommendation-poisoning/
[2] Reddy, P., & Gujral, A. S. (2025). EchoLeak: The first real-world zero-click prompt injection exploit in a production LLM system. arXiv.https://arxiv.org/abs/2509.10540
[3] ISO. (2026). ISO/IEC 27090:2026: Cybersecurity - Artificial intelligence (AI) - Addressing security threats and compromises to AI systems.https://www.iso.org/standard/27090
